基于多维特征和支持向量机核函数优化的自动化肺结节检测模型.pdfVIP

生 物 医 学 工 程 研 究 2016 Jo 。35(2)：75～80 urnalofBiomedicalEngineeringResearch… V● 。 基于多维特征和支持 向量机核函数优化的 自动化肺结节检测模型 刘银凤 ，张俊杰，周涛 ，夏勇，吴翠颖 (1．宁夏医科大学附属心脑血管病医院 神经内科，宁夏 银川750001； 2．宁夏医科大学 理学院，宁夏银川750004；3．西北工业大学计算机学院，陕西 西安710100) 摘要：为了解决特征级肺结节检测研究中的特征结构不合理和分类器性能低下两个问题，提出了一种多 维特征表达与支持向量机(supportvectormachine，SVM)核函数优化相结合的自动化肺结节检测模型。首先 提取多维特征数据量化感兴趣区域(regionofinterest，ROI)，然后利用网格寻优算法优化SVM核函数，最后 基于优化的SVM分类器识别结节区域和非结节区域。仿真实验结果表明，该模型耗时短、检测正确率高，具 有一定的临床应用价值 。 关键词：肺结节检测；特征提取；网格寻优；支持向量机；分类识别；医学图像处理 中图分类号：R318 文献标识码：A 文章编号：1672-6278(2016)02-0075-06 AnAutomatedLungNodulesbasedonM ultidimensional CharacteristicsandtheSupportVectorMachine(SVM) KernelFunctionOptimization LIUYinfeng，ZHANGJunjie，ZHOUTao，XIAYong。，WUCuiying： (1．NeurologyDepartment，Cardio—cerebrovascularDiseaseHospitalofNingxiaMedical 西e，s ，Yinchuan750001，China； 2．SchoolofScience，NingxiaMedicalUniversity，Yinchuan750004； 3．SchoolofComputerScience．NorthwesternPolytechnicalUniversity，Xian，Shaanxi710100，China) Abstract：Inordertosolvetheproblemsofunreasonablestructureandpoorclassifierperformanceinthestudyoflungnodulesdetec— tionbasedonfeatureleve1．allautomaticmodeloflungnodulesdetectionthatmuhi—dimensionalcharacteristicexpressioncombinedwith SVM kernelfunction optimizationwasproposed．Firstly，multi—dimensionalfeatureswereextracted toquantJizeROI，andthengrid searchalgorithm Was usedtooptimizeSVM kernelfunction．theSVM classifierwasusedtoidentifyraeas ofnodulesandothers．Thesim— ulationresultsshow thattheproposedmod eluseslesstimenadhashighdetectionaccuracy，whichisvalubaletoclinicalapplication． Keywords：Lungnodulesdetection；Featureexrtaction；Gridserach；SupportVectorMachine(SVM)；Classificationandrecog— nition；Medicalimageprocessing